在机器学习/深度学习里python的注意语法

python一些需要注意的点

通过使用python对机器学习里一些算法的实现，发现自己对python的一些语言特性比较模糊，虽然不用像做python开发一样任何细节都要知道，但是我们经常接触到的，经常使用的语法，你真的清楚吗？

---

• 区分 class 的类变量和实例变量：

  class A(object):
      epoch = 0
      def __init__(self,reg=0.0):
          self.reg = reg 
          self.__name = "smile" 
      def find(self):
          pass
      def __merge(self):
          pass
  

  如上面代码所示，在类的__init__方法里 ,self.reg和self.__name都是类的实例变量，只是后者是私有变量，只能类内访问。epoch是类变量，即所有实例都共享这一个变量，一个实例修改了此变量，则反映到所有实例当中。

• 区分类的私有方法和公有方法：

上面代码里,__merge() 是私有方法，find()公有方法。

• from … import 和 import区别：

  >>> import numpy 
  >>> numpy.array([1,2,3,4])
  array([1, 2, 3, 4])

  >>> from numpy import *
  >>> array([1,2,3,4])
  array([1, 2, 3, 4])

  看到区别了吧，用from ... import对于我们来说，操作更加方便。

• 函数的参数：

  参数类型有4种：必选参数、默认参数、可变参数、关键字参数

  1.必选参数

    def f(x):
       pass

  2.默认参数

    def f(x,y=0):
       pass

  注意！如果有必选参数，必选参数必须在默认参数前面。当不按顺序提供部分默认参数时，需要把参数名写上。定义默认参数要牢记一点：默认参数必须指向不变对象！具体可参考廖雪峰python教程

  3.可变参数

  下面代码引自廖雪峰python 里面对参数的讲解。廖雪峰python教程

    def calc(*numbers):
        sum = 0
        for n in numbers:
            sum = sum + n * n
        return sum

  >>> calc(1,2)
  5
  >>> calc()
  0
  >>> nums = [1,2,3]
  >>> calc(*nums)
  14

  可变参数就是传入的参数个数是可变的，可以是1个、2个到任意个，还可以是0个。这些参数在函数调用时自动组成一个tuple。

  4.关键字参数
  关键字参数允许传入0个或任意个含参数名的参数，这些关键字参数在函数内部自动组为一个dict。

  def person(name, age, **kw):
      print 'name:', name, 'age:', age, 'other:', kw

  >>> person('Michael', 30)
  name: Michael age: 30 other: {}
  >>> person('Adam', 45, gender='M', job='Engineer')
  name: Adam age: 45 other: {'gender': 'M', 'job': 'Engineer'}
  >>> kw = {'city': 'Beijing', 'job': 'Engineer'}
  >>> person('Jack', 24, **kw)
  name: Jack age: 24 other: {'city': 'Beijing', 'job': 'Engineer'}

  注意！！当参数组合时，顺序必须是：必选参数、默认参数、可变参数和关键字参数 。必须确保四个参数的相对顺序正确，即 可以是 必选参数，关键字参数。

• 作用域

  这篇文章讲的python作用域很好。
  python里没有块级作用域
  但是有局部作用域，即函数里
  python有作用域链，会由内向外找
  在函数未执行之前，作用域已经形成了，作用域链也生成了